Chat Revue publiée le Scores relevés le

Ce que GLM 4.6 change par rapport à GLM 4.5

Selon Z.ai, GLM 4.6 élargit à sa sortie la fenêtre de contexte de 128K à 200K tokens par rapport à GLM 4.5, pour traiter des tâches d’agent plus complexes. Sa sortie maximale passe de 96K à 128K tokens entre les deux versions. Les entrées et sorties restent textuelles.

Selon Z.ai, le modèle progresse nettement à sa sortie en raisonnement par rapport à son prédécesseur et peut utiliser des outils pendant cette réflexion. Il est aussi plus performant que GLM 4.5 dans les agents qui utilisent des outils ou la recherche, et s’intègre mieux aux frameworks d’agents. Le tableau d’écart compare les caractéristiques des deux versions.

Par rapport à la version précédente

GLM 4.5GLM 4.6
Elo14111382−29
Contexte maximal131 k205 k+74 k
Formats compristextetexte
RéflexionFacultativeFacultative

Source : OpenRouter, relevé du 22/11/2026.

À quoi sert GLM 4.6

Chat

À sa sortie, GLM 4.6 est accessible dans le chat de Z.ai en choisissant le modèle GLM-4.6. Il sait appeler des outils et produire des sorties structurées, c’est-à-dire des réponses organisées selon un format défini.

Rédaction créative

Selon Z.ai, GLM 4.6 propose à sa sortie une écriture mieux accordée aux préférences humaines en matière de style et de lisibilité. Dans le jeu de rôle, le modèle se comporte aussi plus naturellement.

Code

À sa sortie, GLM 4.6 s’utilise dans des agents de code comme Claude Code, Cline, Roo Code et Kilo Code. Selon Z.ai, il obtient de meilleurs scores sur les évaluations de code ainsi que de meilleures performances en usage réel dans ces outils.

Front-end

Selon Z.ai, GLM 4.6 génère à sa sortie des pages front-end plus soignées visuellement.

Essayer GLM 4.6

Où l'utiliser pour de vrai, puis des exemples à copier pour découvrir ce qu'il sait faire.

Où l'essayer

  • Tester cette version du modèlePlateforme externeSur OpenRouter, plateforme externe à Aikiwi · Compte et crédits requis · Payant à l'usage : 0,60 $ en entrée, 2,20 $ en sortie par million de tokensOuvrir sur OpenRouter

Quoi lui demander

  1. Chat

    Expliquer un sujet simplement

    Voir s'il rend clair un sujet technique, sans jargon.

    Explique-moi comment fonctionne une pompe à chaleur, comme à quelqu'un qui n'y connaît rien. Utilise une comparaison tirée de la vie quotidienne, puis dis-moi en trois points ce qui fait varier sa consommation d'électricité.
  2. Rédaction créative

    Écrire une courte histoire

    Voir s'il tient toutes les contraintes sans perdre le fil du récit.

    Écris une histoire d'environ 150 mots qui se passe dans une laverie automatique, la nuit. Elle doit contenir un objet oublié dans une machine, se terminer par un retournement inattendu, et ne jamais utiliser le mot « soudain ».
  3. Code

    Écrire une fonction

    Voir s'il pense aux cas limites et teste son propre code.

    Écris une fonction Python qui reçoit une liste de dates au format JJ/MM/AAAA et renvoie la plus récente. Elle doit ignorer les dates invalides sans planter. Ajoute trois exemples de test et explique tes choix en deux phrases.

Les réponses changent d'un essai à l'autre et selon la plateforme. Un accès gratuit dépend toujours de l'outil, de l'offre et de ses limites.

Les performances de GLM 4.6

À sa sortie, Z.ai évalue GLM 4.6 sur huit évaluations publiques couvrant les agents, le raisonnement et le code. Selon ses résultats, GLM 4.6 affiche des gains nets sur GLM 4.5 et des avantages face à DeepSeek-V3.2-Exp et Claude Sonnet 4, mais reste derrière Claude Sonnet 4.5 en code.

Sur CC-Bench, Z.ai fait évaluer des tâches réelles en plusieurs tours par des évaluateurs humains, dans des conteneurs Docker isolés. Ces tâches portent sur le front-end, la création d’outils, l’analyse de données, les tests et les algorithmes. Selon l’éditeur, GLM 4.6 y approche à sa sortie la parité avec Claude Sonnet 4, avec 48,6 % de victoires, et dépasse nettement les autres modèles open source de référence. Il y termine aussi ses tâches avec environ 15 % de tokens en moins que GLM 4.5.

Bien utiliser GLM 4.6 : les modes de réflexion

GLM 4.6 applique par défaut une réflexion hybride, et sa réflexion peut être désactivée. À partir de GLM 4.7, la réflexion est activée par défaut.

Dans l’exemple d’appel de sa documentation, Z.ai active la réflexion du modèle avec le paramètre thinking, de type enabled. La réflexion entrelacée (Interleaved Thinking), proposée depuis GLM 4.5, permet au modèle de réfléchir entre deux appels d’outils et après avoir reçu les résultats de ces appels.

Caractéristiques techniques de GLM 4.6

GLM 4.6 est sorti le 30 septembre 2025 et accepte uniquement du texte en entrée. Sous licence MIT, il compte 357 milliards de paramètres. Sa fenêtre de contexte est de 204 800 tokens et sa sortie maximale de 128K tokens par réponse. Le tableau des caractéristiques rassemble ces données techniques.

Éditeur
Z.ai
Produit
Texte
Sortie
Contexte
205 k tokens
Réponse maximale
131 k tokens
Réflexion
Facultative
Connaissances jusqu'à
mars 2025
Tâches
Aide au codeAffaires et financeDesign d'après référenceDonnées et analyseFront-endHTMLJeuxJuridiqueMathématiquesConversation à plusieurs toursPrompts difficilesRédaction créativeSanté et bien-êtreSuivi de consignes
Entrées
Texte
Licence
MIT
Paramètres pris en charge (noms techniques de l'API)
toolsstructured_outputstemperaturetop_preasoningseedstopresponse_formatmax_tokens
Hébergeurs
DeepInfra, Novita, Venice, Z.AI

Source : OpenRouter, relevé du 22/11/2026.

Où utiliser GLM 4.6, et comment il se facture

GLM 4.6 était accessible à sa sortie par API, avec le GLM Coding Plan ou en auto-hébergement, selon Z.ai.

  • API : à sa sortie, le modèle était proposé par l’API de la plateforme Z.ai. Les développeurs pouvaient aussi y accéder par OpenRouter.
  • GLM Coding Plan : les abonnés étaient passés automatiquement au modèle à sa sortie. Pour ceux qui avaient modifié la configuration de leur outil, le changement se limitait au nom du modèle, à remplacer par glm-4.6.
  • Auto-hébergement : à sa sortie, les poids étaient publics sur Hugging Face et ModelScope. Le déploiement local était possible avec vLLM et SGLang, des moteurs d’inférence qui exécutent le modèle.

Les cartes d’accès donnent les prix.

L'API Z.ai

Pour relier le modèle à votre application

Chez OpenRouter, au prix de Z.AI (relevé du 22/11/2026) : 0,60 $ / M tokens en entrée, 2,20 $ / M tokens en sortie. À partir de 0,43 $ / 1,75 $ par million de tokens chez l'hébergeur le moins cher.

Tarification0,60 $ en entrée, 2,20 $ en sortie, par million de tokens
Hébergé via OpenRouter chezDeepInfra, Novita, Venice, Z.AI

Un accès gratuit dépend toujours de l'outil, de l'offre et de ses limites : nous ne l'attribuons pas au modèle seul.

GLM 4.6 parmi les versions de GLM

GLM 4.6, sorti le 30 septembre 2025, s’inscrit dans la gamme texte de GLM après GLM 4.5, sorti le 28 juillet 2025, et avant GLM 4.7, sorti le 22 décembre 2025. Dans son annonce de GLM 4.7, Z.ai désigne explicitement GLM 4.6 comme son prédécesseur. La frise des versions situe ces modèles dans l’histoire de la famille et porte les dates de sortie de chacun.

  1. GLM 5 1446
  2. GLM 5 Turbo
1 version sélectionnéeAjoutez 1 ou 2 autres versions pour comparer leurs données.

FAQ

C’est quoi GLM ?

GLM désigne la famille de modèles de Z.ai, dont GLM 4.6 est une version sortie le 30 septembre 2025. À sa sortie, Z.ai la compare à GLM 4.5, la version qui la précède. GLM 4.7 lui succède.

Quelle est la fenêtre de contexte de GLM 4.6 ?

GLM 4.6 a une fenêtre de contexte de 200K tokens et une sortie maximale de 128K tokens. Il lit et produit du texte.

GLM 4.6 est-il open source ?

GLM 4.6 est publié sous licence MIT, et ses poids sont publics sur Hugging Face et ModelScope.

Peut-on faire tourner GLM 4.6 en local ?

Les poids de GLM 4.6 sont publics sur Hugging Face et ModelScope, et le modèle se déploie en local avec les moteurs d’inférence vLLM et SGLang. Il compte 357 milliards de paramètres.

Comment accéder à l’API GLM-4.6 ?

À sa sortie, GLM 4.6 était proposé par l’API de la plateforme Z.ai. Les développeurs pouvaient aussi y accéder par une plateforme d’API tierce.